<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Friend__AA的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Friend__AA</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Friend__AA]]></copyright><item><title><![CDATA[PyTorch入门实战｜LeNet5手写数字识别]]></title><link>https://blog.youkuaiyun.com/Friend__AA/article/details/159436804</link><guid>https://blog.youkuaiyun.com/Friend__AA/article/details/159436804</guid><author>Friend__AA</author><pubDate>Tue, 24 Mar 2026 22:46:45 +0800</pubDate><description><![CDATA[本文介绍了使用PyTorch实现LeNet5模型进行MNIST手写数字识别的完整流程。主要内容包括：1) 解析卷积层和全连接层的关键参数；2) 详细讲解LeNet5模型搭建过程，包含5层网络结构；3) 演示MNIST数据集的加载和预处理方法；4) 实现模型训练和评估的核心代码，涵盖梯度计算、损失函数和优化器使用。通过该实战项目，读者可以掌握PyTorch基础操作和CNN模型的实现原理，最终完成一个准确率较高的手写数字识别系统。]]></description><category></category></item><item><title><![CDATA[WSL2+Streamlit+Ollama实战：本地 + 云端双模式AI聊天机器人开发全攻略（避坑版）]]></title><link>https://blog.youkuaiyun.com/Friend__AA/article/details/159355166</link><guid>https://blog.youkuaiyun.com/Friend__AA/article/details/159355166</guid><author>Friend__AA</author><pubDate>Sun, 22 Mar 2026 21:00:51 +0800</pubDate><description><![CDATA[本篇承接上篇[入门实战｜RTX3060本地私有化部署DeepSeek 7B聊天机器人（离线可用+GPU加速调优）](https://blog.youkuaiyun.com/Friend__AA/article/details/159167791?spm=1001.2014.3001.5501 "可选的鼠标悬停提示"),聚焦Streamlit+Ollama本地大模型聊天机器人开发，全程基于WSL2环境实操，解决URL连接报错、会话丢失、服务无法访问等核心问题，搭建支持本地模型与云端API双调用的聊天机器人。]]></description><category></category></item><item><title><![CDATA[入门实战｜RTX3060本地私有化部署DeepSeek 7B聊天机器人（离线可用+GPU加速调优）]]></title><link>https://blog.youkuaiyun.com/Friend__AA/article/details/159167791</link><guid>https://blog.youkuaiyun.com/Friend__AA/article/details/159167791</guid><author>Friend__AA</author><pubDate>Tue, 17 Mar 2026 17:00:41 +0800</pubDate><description><![CDATA[本文为大模型部署实战系列第一篇，基于 Windows 环境与 RTX3060 显卡，借助 Ollama 快速实现 DeepSeek-7B 开源大模型本地私有化部署，搭配 Chatbox 完成可视化交互界面搭建，并针对 GPU 进行推理加速调优，最终实现可离线运行的本地聊天机器人。]]></description><category></category></item></channel></rss>